Ansiktsautentisering i Windows Hello

Microsoft ansiktsautentisering i Windows 11 är en identitetsverifieringsmekanism i företagsklass som är integrerad i Windows Biometric Framework (WBF) som en grundläggande Microsoft Windows komponent som kallas Windows Hello. Windows Hello ansiktsautentisering använder en kamera som är särskilt konfigurerad för nästan infraröd (IR) för att autentisera och låsa upp Windows enheter samt låsa upp din Microsoft Passport.

Viktiga fördelar och funktioner för Windows Hello ansiktsautentisering

Det här är de viktigaste fördelarna med att använda Windows Hello ansiktsautentisering:

  • Ansiktsigenkänning för alla Windows 11 baserade enheter och plattformar med kompatibel maskinvara (nära IR-sensor).
  • Ett användarvänligt gränssnitt som tillhandahåller verifieringsformulär för enkel inloggning för att låsa upp ditt Microsoft Passport.
  • Autentisering i företagsklass och åtkomst till innehåll som stöds av Microsoft Passport Pro, inklusive nätverksresurser, webbplatser och betalningsinstrument.
  • Möjligheten att ge en konsekvent bild (med IR) i olika ljusförhållanden som också möjliggör subtila förändringar i utseende, inklusive ansiktshår, kosmetisk makeup och så vidare.

Scenarier

De två primära scenarierna för Windows Hello ansiktsautentisering i Windows 11 är autentisering för att logga in eller låsa upp och återautentisering för att bevisa att du fortfarande är där.

Authentication

Type Beskrivning
genomsnittlig varaktighet < 2 sekunder
förväntad frekvens Hög
frekvensbeskrivning Inträffar varje gång en användare vill låsa upp sin enhet eller går förbi låsskärmen

Återautentisering

Type Beskrivning
genomsnittlig varaktighet < 2 sekunder
förväntad frekvens Låg
frekvensbeskrivning Inträffar när ett program eller en webbplats vill kontrollera att användaren är framför sin enhet

Så här fungerar det

Den Windows Hello ansiktsigenkänningsmotorn består av fyra distinkta steg som gör det möjligt för Windows att förstå vem som är framför sensorn:

  1. Hitta ansiktet och upptäck landmärken

    I det här första steget identifierar algoritmen användarens ansikte i kameraströmmen och letar sedan upp punkter för ansiktsigenkänning (kallas även justeringspunkter), vilket motsvarar ögon, näsa, mun och så vidare.

  2. Huvudorientering

    För att säkerställa att algoritmen har tillräckligt med ansikte för att kunna fatta ett autentiseringsbeslut säkerställer det att användaren är riktad mot enheten +/- 15 grader.

  3. Representationsvektor

    Med hjälp av landmärkesplatserna som fästpunkter tar algoritmen tusentals exempel från olika delar av ansiktet för att skapa en representation. Representationen i dess mest grundläggande form är ett histogram som representerar de ljusa och mörka skillnaderna kring specifika punkter. Ingen bild av ansiktet lagras någonsin – det är bara representationen.

  4. Beslutsmotor

    När det finns en representation av användaren framför sensorn jämförs den med de registrerade användarna på den fysiska enheten. Representationen måste korsa ett maskininlärt tröskelvärde innan algoritmen accepterar den som en korrekt matchning. Om det finns flera användare som har registrerats i systemet ökar det här tröskelvärdet i enlighet med detta för att säkerställa att säkerheten inte äventyras.

Registrering

Registrering är steget för att generera en representation eller uppsättning representationer av dig själv (till exempel om du har glasögon kan du behöva registrera med dem och utan dem) och lagra dem i systemet för framtida jämförelse. Den här samlingen med representationer kallas din registreringsprofil. Microsoft lagrar aldrig en faktisk avbildning och dina registreringsdata skickas aldrig till webbplatser eller program för autentisering.

De flesta användare kommer sannolikt att behöva registrera sig en gång per enhet. Ytterligare registreringar krävs för användare som:

  • Använd ibland vissa typer av glasögon
  • Har haft stora förändringar i ansiktsform eller struktur
  • Flytta till miljöer med hög nivå av omgivande nära infrarött ljus (till exempel om du tar ut enheten i solskenet)

Fördelar med nära infraröd

Efter lanseringen av ansiktsigenkänning med den första Kinect på Xbox 360 lärde Microsoft sig att förlita sig på omgivande ljus för att ge en konsekvent bild gav en dålig användarupplevelse. Människor bor och arbetar i en mängd olika miljöer, med ett utbud av belysningsförhållanden. Traditionella färgigenkänningssystem förlitar sig på att aktivera ljusstyrka, exponering eller andra inställningar för att skapa en användbar bild – som alla exponerar artefakter som påverkar systemets robusthet.

Däremot är nära infraröda bilder konsekventa i scenarier med omgivande belysning, som du kan se nedan.

Scenario Färgbild från integrerad kamera IR-avbildning från Microsoft referenssensor
Svagt ljus som representerar att titta på TV eller ge en PowerPoint presentation färgbild från integrerad kamera ir-bild från Microsofts referenssensor – svagt ljus
Sidobelysning när man sitter nära ett fönster eller skrivbordslampa sidobelysning med färgbild IR-bild från Microsofts referenssensor – sidobelysning

Att använda IR hjälper också till med förfalskning eftersom det hjälper till att förhindra de mest tillgängliga attackerna. Till exempel visas inte IR i foton eftersom det är en annan våglängd, och som du kan se nedan visas inte bilderna i foton eller på en LCD-skärm.

formfaktorer

Hur noggrannhet mäts

När Microsoft talar om noggrannheten i Windows Hello ansiktsautentisering används tre primära mått: Falska positiva identifieringar, sanna positiva identifieringar och falska negativa värden.

Begrepp Falskt positivt Sann positiv händelse Falsk negativ
Beskrivning Ibland även beräknat som en falsk acceptansfrekvens, representerar detta sannolikheten för att en slumpmässig användare som får fysisk åtkomst till din enhet kommer att identifieras som du. Det här talet bör vara så lågt som möjligt. True Positive-frekvensen representerar sannolikheten för att en användare matchas korrekt med sin registrerade profil varje gång de placeras framför sensorn. Det här talet bör vara högt. Representerar sannolikheten för att en användare inte matchas med sin registrerade profil. Det här talet bör vara lågt.
Windows 11-algoritm Mindre än 0,001% eller 1/100 000 FAR Större än 95% med en enda registrerad användare Mindre än 5% med en enda registrerad användare

Det är viktigt att redovisa fel i mätningen, så Microsoft kategoriserar dem på två sätt: bias-fel (systematiska fel) och slumpmässiga fel (sampling).

Bias-fel

Bias-fel kan uppstå till följd av att data inte används som är representativa för miljöer och de villkor som algoritmen används i. Den här typen av fel kan bero på olika miljöförhållanden (till exempel belysning, vinkel mot sensor, avstånd och så vidare) samt maskinvara som inte är representativ om du skickar enheter.

Slumpmässiga fel

Slumpmässiga fel beror på att data används som inte matchar populationens mångfald som faktiskt använder funktionen. Du kan till exempel fokusera på en liten uppsättning ansikten utan glasögon, skägg eller unika ansiktsdrag.

Säkerhet för extern kamera

Det rekommenderas starkt att köra Windows Update hela tiden och se till att systemet uppdateras med de senaste säkerhetsuppdateringarna, inklusive uppdateringarna som släpptes den 13 juli 2021 för att förbättra säkerheten när du använder Windows Hello kamera som beskrivs i CVE-2021-34466. Om du vill neka användningen av den externa Hello-kameran helt kan du dessutom lägga till ett valfritt registervärde i följande sökväg.
Registersökväg: HKEY_LOCAL_MACHINE\Software\Microsoft\Windows\CurrentVersion\Authentication\LogonUI\FaceLogon
DWORD-värde: ShouldForbidExternalCameras
Värde: 1

Windows Biometric Framework API